دوره یادگیری تقویتی از بازخورد انسانی (RLHF)

در این دوره درباره یادگیری تقویتی از بازخورد انسانی، کارایی هوش مصنوعی مولد را با درک تخصص انسانی ترکیب کنید. مدرس به شما یاد می‌دهد چگونه مدل‌های GenAI را طوری بسازید که واقعاً ارزش‌ها و ترجیحات انسانی را منعکس کنند و همزمان تجربه عملی با مدل‌های زبانی بزرگ کسب کنید. همچنین پیچیدگی‌های مدل‌های پاداش را پیمایش خواهید کرد و می‌آموزید چگونه بر پایه مدل‌های زبانی بزرگ، هوش مصنوعی‌ای بسازید که نه تنها یاد می‌گیرد، بلکه با سناریوهای دنیای واقعی سازگار می‌شود.